Li Feishu Audio

飞书语音交互技能。支持语音消息自动识别、AI 处理、语音回复全流程。需要配置 FEISHU_APP_ID 和 FEISHU_APP_SECRET 环境变量。使用 faster-whisper 进行语音识别，Edge TTS 进行语音合成，自动转换 OPUS 格式并通过飞书发送。适用于飞书平台的语音对话场景。

Audits

Suspicious

ClawScanSuspicious

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install li-feishu-audio

Li Feishu Audio - 飞书语音交互技能

快速开始

本技能提供完整的飞书语音交互能力：

用户语音 → faster-whisper 识别 → AI 处理 → Edge TTS 合成 → OPUS 转换 → 飞书发送

核心组件

1. 语音识别 (fast-whisper)

脚本: scripts/fast-whisper-fast.sh

用法:

./scripts/fast-whisper-fast.sh <音频文件.ogg>

配置:

模型：faster-whisper tiny
语言：中文 (zh)
模型目录：可配置（环境变量 FAST_WHISPER_MODEL_DIR）
虚拟环境：技能目录下的 .venv（自动创建）

2. 语音合成 (Edge TTS)

脚本: scripts/tts-voice.sh

用法:

./scripts/tts-voice.sh "文本内容" [输出文件.mp3]

配置:

音色：zh-CN-XiaoxiaoNeural (中文女声)
输出格式：MP3 (自动转换为 OPUS)
虚拟环境：技能目录下的 .venv（自动创建）

3. 飞书语音发送

脚本: scripts/feishu-tts.sh

用法:

./scripts/feishu-tts.sh <音频文件.mp3> [用户 ID]

配置:

飞书 AppID: 从环境变量或 openclaw.json 读取
音频格式：OPUS (48kHz, 自动转换)
消息类型：audio

4. 自动清理

脚本: scripts/cleanup-tts.sh

用法:

./scripts/cleanup-tts.sh [保留数量]

定时任务: 每天凌晨 2 点自动执行

完整工作流

接收用户语音消息

飞书收到语音消息（OGG/OPUS 格式）
保存到 OpenClaw 媒体目录（自动处理）
调用 fast-whisper-fast.sh 识别

生成回复

识别结果发送给大模型
大模型生成文字回复
调用 tts-voice.sh 生成语音

发送语音回复

TTS 生成 MP3 文件
sendMediaFeishu 自动转换为 OPUS
通过飞书 API 发送语音消息

环境要求

系统依赖

# Python
Python 3.11+
uv 包管理器

# 音频处理
ffmpeg (支持 OPUS 编码)
jq (JSON 处理)

# 飞书 API
飞书开放平台应用凭证

Python 环境

# 虚拟环境
技能目录/.venv （自动创建）

# 已安装包
faster-whisper==1.2.1
edge-tts==7.2.7

模型文件

# 语音识别模型
$FAST_WHISPER_MODEL_DIR/models--Systran--faster-whisper-tiny/

配置说明

飞书凭证

方法 1: 环境变量（推荐）

创建 .env 文件：

export FEISHU_APP_ID="cli_xxx"
export FEISHU_APP_SECRET="xxx"

方法 2: openclaw.json

{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxx",
      "appSecret": "xxx"
    }
  }
}

⚠️ 安全提示：不要将凭证提交到版本控制系统！

自定义目录（可选）

在 .env 文件中配置：

# 模型目录（默认：$HOME/.fast-whisper-models）
export FAST_WHISPER_MODEL_DIR="/opt/fast-whisper-models"

# 虚拟环境目录（默认：技能目录/.venv）
export VENV_DIR="/path/to/venv"

# 临时文件目录（默认：/tmp）
export TEMP_DIR="/tmp"

# 日志目录（默认：技能目录/logs）
export LOG_DIR="/path/to/logs"

# OpenClaw 配置路径（默认：$HOME/.openclaw/openclaw.json）
export OPENCLAW_CONFIG="$HOME/.openclaw/openclaw.json"

TTS 配置

{
  "messages": {
    "tts": {
      "auto": "always",
      "provider": "edge",
      "edge": {
        "enabled": true,
        "voice": "zh-CN-XiaoxiaoNeural",
        "lang": "zh-CN"
      }
    }
  }
}

脚本说明

fast-whisper-fast.sh

#!/bin/bash
# 语音识别脚本
export HF_ENDPOINT=https://hf-mirror.com  # 国内镜像
VENV_PYTHON="技能目录/.venv/bin/python"  # 由 install.sh 自动配置

# 用法
./fast-whisper-fast.sh <音频文件>

输出格式:

[0.00s -> 2.32s] 识别的文本内容

tts-voice.sh

#!/bin/bash
# TTS 语音生成脚本
export HF_ENDPOINT=https://hf-mirror.com
VENV_PYTHON="技能目录/.venv/bin/python"

# 用法
./tts-voice.sh "文本内容" [输出文件.mp3]

feishu-tts.sh

#!/bin/bash
# 飞书语音发送脚本
# 自动转换 MP3 → OPUS

# 用法
./feishu-tts.sh <音频文件.mp3> [用户 ID]

转换参数:

ffmpeg -y -i input.mp3 -acodec libopus -ar 48000 -ac 1 output.opus

cleanup-tts.sh

#!/bin/bash
# TTS 临时文件清理脚本

# 用法
./cleanup-tts.sh [保留数量]  # 默认保留 10 个

# 定时任务（crontab）
0 2 * * * ./cleanup-tts.sh 10

故障排查

语音识别失败

问题: 无法识别语音内容

检查:

模型是否下载：ls $FAST_WHISPER_MODEL_DIR/
虚拟环境：技能目录/.venv/bin/python --version
网络：export HF_ENDPOINT=https://hf-mirror.com

TTS 生成失败

问题: 无法生成语音文件

检查:

edge-tts 安装：uv pip list -p 技能目录/.venv | grep edge
网络连接：Edge TTS 需要访问微软服务
输出目录权限

飞书发送失败

问题: 语音消息发送失败

检查:

凭证配置：echo $FEISHU_APP_ID
音频格式：必须是 OPUS
用户 ID 类型：使用 open_id

性能指标

操作	耗时
语音识别 (tiny)	~8-10 秒
TTS 生成	~3-5 秒
OPUS 转换	<1 秒
飞书上传	~2-3 秒
总计	~15 秒

最佳实践

语音质量

录音环境: 安静环境，减少背景噪音
说话速度: 正常语速，避免过快
音频格式: 飞书自动发送 OPUS 格式

文件管理

定期清理: 每天凌晨自动清理
保留策略: 保留最近 10 个 TTS 目录
空间上限: 100MB 自动清理

错误处理

识别误差: 允许用户文字补充
发送失败: 降级为文字回复
超时处理: 设置合理超时时间

扩展功能

添加新音色

编辑 tts-voice.sh:

# 中文男声
communicate = edge_tts.Communicate(TEXT, "zh-CN-YunxiNeural")

# 英文女声
communicate = edge_tts.Communicate(TEXT, "en-US-MichelleNeural")

调整语速音调

# 在 edge_tts 中调整
communicate = edge_tts.Communicate(
    TEXT, 
    "zh-CN-XiaoxiaoNeural",
    rate="+10%",   # 语速
    pitch="-5%"    # 音调
)

支持更多语言

修改 fast-whisper-fast.sh:

# 多语言识别
model.transcribe("$AUDIO_FILE", language="auto")

版本信息

技能版本: 0.1.3.1
作者: 北京老李 (BeijingLL)
faster-whisper: 1.2.1
edge-tts: 7.2.7
Python: 3.11

安全与供应链

必需的凭证

变量名	必需	说明
`FEISHU_APP_ID`	✅	飞书应用 ID (cli_xxx)
`FEISHU_APP_SECRET`	✅	飞书应用密钥
`FAST_WHISPER_MODEL_DIR`	❌	模型目录，默认 `~/.fast-whisper-models`
`VENV_DIR`	❌	虚拟环境目录，默认技能目录下 `.venv`
`TEMP_DIR`	❌	临时文件目录，默认 `/tmp`
`OPENCLAW_CONFIG`	❌	OpenClaw 配置路径
`LOG_DIR`	❌	日志目录，默认技能目录下 `logs`

外部依赖说明

HuggingFace 镜像: 默认使用 https://hf-mirror.com 加速国内下载，可通过环境变量 HF_ENDPOINT 修改。

uv 安装: install.sh 会在未安装 uv 时提示安装命令。建议从官方源验证后再执行。

Microsoft Edge TTS: TTS 服务调用微软 Azure 语音服务，需要网络访问。

安全说明

凭证管理

✅ 使用环境变量存储敏感凭证
✅ 不要将 .env 提交到版本控制
✅ 将 .env 加入 .gitignore

路径配置

✅ 使用可配置的路径（环境变量）
✅ 避免硬编码个人路径
✅ 使用相对路径或系统级目录

临时文件

✅ 定期清理临时文件
✅ 使用系统临时目录 /tmp/
✅ 设置合理的保留策略